Notice bibliographique
Résumé
L’enseignement de la littérature est généralement caractérisé par des approches traditionnelles qui ne laissent que peu de place aux représentations personnelles des élèves et à la relation subjective qui pourraient servir de tremplin à une plus grande appropriation du littéraire. Or, l’influence de plus en plus grande des modes d’expressions numériques et la prédominance de l’image dans la sphère médiatique nous amènent à considérer la littératie médiatique multimodale (Jewitt, 2008; Kress et Van Leeuwen, 2001; Lebrun, Lacelle et Boutin, 2012) comme une approche favorisant l’appropriation du langage littéraire. Nous proposons d’analyser les effets d’un dispositif didactique qui mise sur la lecture et l’écriture subjectives et qui s’arrime avec les perspectives multimodales dans l’enseignement du français. De plus, ce dispositif est fondé sur le roman graphique. Pour cette recherche, nous avons mis à contribution des observations faites en classe de français au secondaire afin d’analyser des scénarimages (scénarios imagés) et des bandes-annonces produits par les élèves. Ce projet montre que les élèves actuels constituent une génération de sujets qui puisent à toutes les sources pour construire leurs références en lecture et en écriture. Notre recherche montre également que la multimodalité peut jouer un rôle fondamental dans l’appropriation du langage littéraire.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».